10.14135/j.cnki.1006-3080.20220117001
基于子空间多尺度特征融合的试卷语义分割
分离印刷体和手写体区域是实现试卷语义分割的关键步骤,为了提升试卷语义分割的效果,提出一种基于MaskRCNN网络的注意力改进算法.该算法将子空间多尺度特征融合(Subspace Multiscale Feature Fusion,SMFF)模块嵌入MaskRCNN网络的特征金字塔结构中,SMFF模块基于子空间计算注意力特征,减少特征图中的空间和通道冗余;通过多尺度特征融合,有效提取不同大小文本区域的特征并增强特征间的关联性.实验结果表明,在试卷图像数据集的目标检测和语义分割任务上,基于SMFF模块的MaskRCNN网络模型比MaskRCNN原网络模型的平均准确率分别提高了 15.8%和 10.2%,比基于常用注意力模块的MaskRCNN网络也有较大的性能提升.
印刷体和手写体分割、特征金字塔网络、注意力模块、子空间、特征融合
49
TP391.4(计算技术、计算机技术)
国家自然科学基金61872143
2023-07-06(万方平台首次上网日期,不代表论文的发表时间)
共10页
429-438